课题组赵寿旺在IEEE TIM提交的论文题目是：Identifying Early Stator Fault Severity in DFIGs based on Adaptive Feature Mode Decomposition and Multiscale Complex Component Current Trajectories，文章主要作者包括西安交通大学赵寿旺，陈玉教授，梁锋，张思超， Nadeem Shahbaz，王双助理教授，成永红教授，合作作者包括西安热工研究院有限公司新能源技术部赵勇，邓巍。

该论文通过将自适应特征模式分解(AFMD)与复序电流轨迹的多尺度分析相结合，来评估DFIG早期定子匝间短路(ITSC)的严重程度。AFMD用于对三相定子电流信号进行二次时频分解，提取的低频电流模态分量经过多尺度帕克矢量轨迹分析，从而增强了与早期ITSC故障相关的弱故障特征的表达。从低频模态分量中提取负序电流（NSC）和零序电流（ZSC）分量，对低频模态分量的负序电流进行定性定量评估，以量化不同严重程度的早期低匝数绝缘短路故障。在100kW DFIG测试平台上的实验验证表明，该方法在增强早期ITSC故障检测和诊断方面的有效性。

本论文相关工作获中国华能集团总部科技项目(No.HNKJ20-H72-02)，2023年度陕西省重点研发计划一般项目(No.2023-YBGY-116)以及陕西省科技创新引领计划(No. 2022KXJ-68)的资助。